在 "拓扑和网络演化模型 "模块中，我们将从历史角度对系统生物学中的网络分析进行多次讲解。重点是内部网络演化模型。这些模型是简单的计算模型，基于一些规则，可以创建与生物系统中观察到的分子网络具有相似拓扑结构的网络。

生物网络的类型 "模块讲述了系统生物学和系统药理学中通常构建和分析的各种类型的网络。本讲座以功能关联网络（FAN）的概念结束。本讲座之后的讲座将讨论如何构建 FANs 以及如何使用这些网络分析基因列表。

数据处理和识别差异表达基因 "模块中的这组讲座首先讨论了数据归一化方法，然后用几个讲座讲解了识别差异表达基因的问题，重点是了解马岩实验室开发的一种名为 "特征方向 "的新方法的内部工作原理。

在 "基因组富集和网络分析 "模块中，重点是马阿扬实验室开发的基因组分析工具。将讨论的工具包括Enrichr、GEO2Enrichr、Expression2Kinases 和 DrugPairSeeker。此外，一个讲座将专门介绍我们开发的一种称为富集向量聚类的方法，两个讲座将介绍流行的基因组富集分析（GSEA）方法和我们开发的一种称为主角富集分析（PAEA）的改进方法。

深度测序数据处理与分析 "模块中的一组讲座将涵盖分析 RNA-seq 和 ChIP-seq 数据的基本步骤和流行管道，从原始数据到基因列表再到图表。这些讲座还包括 UNIX/Linux 命令和 R（一种流行的免费统计软件）的一些编程元素。请注意，由于这些讲座是在 2013 年秋季开发和录制的，因此有可能现在已经有更好的工具可以使用，因为该领域正在快速发展。

本模块专门介绍各种聚类方法：主成分分析、自组织图、基于网络的聚类和分层聚类。本模块详细介绍了这些分析方法背后的理论，随后使用 R 和 MATLAB 对这些方法的应用进行了一些实际演示。

数据整合资源 "模块的讲座内容是系统生物学和系统药理学中通常构建和分析的各种类型的网络。这些讲座从功能关联网络（FAN）的概念开始。之后的几个讲座将讨论如何从各种资源中构建 FAN，如何使用这些网络分析基因列表，以及如何构建用于连接基因组数据和表型数据的拼图。

最后一组讲座介绍了众包理念。MOOC 为大家提供了共同完成难以单独完成的项目（微型任务）或竞争实施最佳算法解决难题（大型任务）的机会。您将有机会参与各种众包项目：微型任务和大型任务。这些项目是专门为本课程设计的。

期末考试由多选题组成，题目涉及课程所有模块中的主题。有些问题可能要求您在新的数据集上执行您在整个课程中学到的某些分析方法。